AI改變能源：智算如何引領新型電力系統(tǒng).pdf

AI改變能源：智算如何引領新型電力系統(tǒng)。能源與機器，自從技術革命以來，從來都不可分。新能源與機器學習正在走向 融合，它們符合一個共同的技術和經(jīng)濟規(guī)律，效率上升，成本下降，而需求增 長更快，產(chǎn)生了杰文斯悖論的效應。 杰文斯是 19 世紀英國工業(yè)革命期間的一位經(jīng)濟學家。他發(fā)現(xiàn)，當煤炭的使用效 率不斷提升時，對煤炭的需求不僅沒有下降，反而在煤炭的應用和相關領域產(chǎn) 生了大量的創(chuàng)新，滲透到各行各業(yè)，導致煤炭的消耗量上升。杰文斯悖論在歷 次技術與工業(yè)革命中持續(xù)上演，蒸汽機、內(nèi)燃機和燃氣輪機的效率不斷提升， 但人類對于化石能源的需求也持續(xù)增長了兩百多年。杰文斯悖論揭示了資源、 技術、經(jīng)濟之間的基本關系。 摩爾定律是信息技術革命時代的杰文斯悖論。單位面積芯片上的晶體管數(shù)量每 18 個月左右增加一倍，60 年來相當于算力的成本至少下降了 10 億倍，推動經(jīng) 濟與社會進入數(shù)字時代。 而在加速計算逐步占據(jù)主流的深度學習“黃金 10 年”，GPU 的效率提升了千倍。 盡管如此，在整個經(jīng)濟與社會向數(shù)字化與智能化轉(zhuǎn)型的過程中，對于智能算力 的需求在絕對數(shù)量和相對占比的意義上，不但沒有減少，反而在加速增長，每 個季度翻番。這在很大程度上是由于算力更加密集的基礎設施和應用正在涌現(xiàn)。 如果考慮到未來的物理 AI 以及元宇宙，對于算力的需求幾乎是無限的。